模拟进化优化方法在电力系统中的应用综述(上)

模拟进货优化方法是模仿生物进化过程所得到的一类优化方法，适于解决搜索、分类、优化与机器学习等方面的问题。自从１９９１年这类优化方法被引入电力系统领域以来，这方面的研究工作越来越受到重视。到目前为止，在国内外有关的杂志和学术会议上已发表了数十篇这方面的学术论文，内容涉及到规划与调度、运行优化、警报处理与故障诊断等广泛的领域。该文分类综述了这方面的研究现状，并力图覆盖这一研究领域的各个方面。     

基于改进思维进化算法的机组负荷优化分配

机组负荷优化分配是电厂提高经济效益的重要手段。思维进化算法(MindEvolutionaryComputation,MEC)模拟人类思维的进化过程,通过趋同和异化过程在解空间中搜索最优解,和其他优化方法如动态规划法等相比较,具有算法简单通用,可以得到全局最优解等优点。本文对思维进化算法进行了改进,增加禁忌区域、自适应调整散布方差、改进收敛条件,并用其解决机组负荷优化分配问题。通过两个算例的计算,并和其它优化方法相比较,证明了这种新方法的有效性,为机组负荷优化分配问题提供了一种新的思路和方法。     

水轮机的GA—PID控制器研究

遗传算法是一种模拟自然进化而提出的简单高效的优化组合算法，是建立在自然遗传学机理基础上的参数搜索方法，文中研究了水轮机ＰＩＤ调节器参数的优化问题，利用ＧＡ对系统所处的不同状态进行ＰＩＤ参数的在线寻优，使系统在任何状态下，都能得到经传统的ＰＩＤ更好的控制效果和更强的鲁棒性，仿真结果表明遗传算法可以有铲地解决参数寻优问题。     

模拟进化优化方法在电力系统中的应用综述（中）

模拟进化优化方法在电力系统中的应用综述（中）文福拴，韩祯祥（浙江大学电机系３１００２７·杭州）２模拟进化优化方法在电力系统中的应用模拟进化优化方法在电力系统中的应用方面已经做了不少工作，涉及到电力系统规划、运行与控制的很多领域。下面对这方面的研究工作...     

模拟进化优化方法在电力系统中的潜在应用──美国电力研究协会有关的研究项目简介

简要介绍了３种模拟进化优化方法，即遗传算法，进化规划与进化策略，之后较为详细地介绍了美国电力研究协会的有关研究项目，以供国内有关研究机构与研究人员参考。     

基于进化策略的多机系统PSS参数优化

该文提出了一种基于进化策略的多机系统PSS参数优化的新方法。在这种方法中，目标函数设定为度量所有机电振荡模态性能的函数，将PSS的参数优化表示为带不等式约束的非光滑优化问题。进化策略用于该优化问题的求解，从而找出PSS的优化参数。进化策略属现代全局优化方法的一种，它对优化问题本身几乎无任何限制，冈其具有全局寻优能力，故可得到比常规优化方法更好的结果。且进化策略直接采用实型编码，因而可提高优化计算的效率。Anderson 3机系统和New England 10机系统的仿真结果表明，该方法是一种有效的参数优化方法，得到的优化参数对系统运行方式的变化具有良好的鲁棒性。     

模拟进化优化方法在电力系统中的潜在应用——美国电力研究协会有关的研究

简要介绍了３种模拟进化优化方法，即遗传算法，进化规模与进化策略，之后较为详细地介绍了美国电力研究协会的有关研究项目，以供国内有关研究机构与研究人员参考。     

进化规划方法在电力系统静态负荷模型参数辨识中的应用

为克服传统的基于梯度寻优的辨识方法容易陷入局部极小值的不足，提出了电力系 统静态负荷模型参数辨识的进化规划方法。进化规划方法是一种与遗传算法类似的模拟进化 优化方法，能以较大的概率搜索到全局最优点。实际算例的辨识结果显示了该方法的有效性 和准确性。     

基于遗传算法的异步电动机功率因数自寻优控制

遗传算法是一种模拟自然进化过程的简单、高效的优化组合方法.本文提出运用遗传算法来解决异步电动机在轻载和空载时功率因数低下的问题,并在理论上对功率因数优化的可能性进行了证明.实验和仿真结果都表明了这种基于遗传算法的异步电动机功率因数的自寻优控制,方法简单、有效,具有极高的工程应用价值.     

进化优化算法通用框架模型研究

在对进化策略、遗传算法、遗传编程3种典型的进化优化方法分析研究的基础上,建立了进化优化算法通用框架模型,并在此框架下对3种进化算法进行描述和比较。通过对进化计算的本质并行性分析,确定在具体实现进化优化算法时采用DCOM模型的方法,为模拟进化优化理论在热力系统优化运行中的研究奠定了基础。     

基于遗传算法的电网停电恢复及诊断容错性研究

遗传算法GA（Genetic A lgorithms）是一类借鉴生物界自然选择和自然遗传机制的随机的搜索算法,是进化算法的一种。适用于并行处理及适于以往难以解决的函数优化及容错性问题。文章结合电力系统特点分析了基于遗传算法的电网停电恢复及诊断容错性能的实现,就遗传算法在电网运行安全稳定性中的应用进行了探讨。     

遗传算法在电力系统无功优化中的应用

遗传算法(GA)是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。根据众多参考文献,阐述了简单遗传算法(SGA)以及GA与其他算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

一种锐化解空间的基于模拟退火的混合遗传算法

遗传算法是模仿自然界生物个体进化的机理发展而来的一类优化算法，近年来得到广泛的应用，模拟退火算法(Simuladated Annealing，简称SA)则是模仿另一种自然现象-固体退火原理的一类优化算法．分析了两种算法的优缺点，将两种算法进行混合，并引入一种锐化解空间的方法，提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足．     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

基于遗传算法的PID参数优化方法

PID参数整定与优化一直是自动控制领域研究的重要问题，采用遗传算法进行PID参数优化是一种寻求全局最优且与初始条件无关的优化方法，在参数优化过程中，考虑了2种不同的目标函数做了大量仿真实验。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性，不失为一种具有较好实用价值的PID参数优化方法。     

遗传算法在电力系统无功优化中的应用

遗传算法根据自然界适者生存的原则进行搜索和优化。将遗传算法应用于电力系统无功优化，不仅能避免一般优化算法的局部最优问题，并能解决无功优化中变量的离散问题，避免维数灾难，提供最优及次优方案，使无功优化更切实际。遗传算法的引入，为电力系统无功优化提供了一种新的计算方法，使无功优化方法更加完善和实用。     

改进遗传算法的无功优化规划在伊盟电网中的实现

电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划。用常规的线性和非线性等方法进行优化计算,存在离散变量的近似处理问题,不符合无功规划的实际。而遗传算法由于自身特点,特别适合于解决多目标混合优化方面的问题,具有稳定的收敛特性,是一种先进的全局优化方法。基不足之外在于计算时间长,在种群和遗传代数不是足够大的情况下,易于收敛于局部极值点。为些提出了改进遗传算法,在计算速度和计算精度方面较传统遗传算法均有明显提高。     

Algorithm tuners for PSO methods and genetic programming techniques for learning tuning rules

In recent years, improvements in processing power have allowed the application of optimization methods to complicated large optimization problems. Among these methods, heuristic optimization techniques such as particle swarm optimization (PSO) have been a particular focus of attention because of their simplicity, performance, and easy software implementation. However, there is no solid theoretical foundation for analyzing the convergence of these algorithms, and in practice, their rate of convergence is often determined by the choice of parameters. For this reason, the algorithm's parameters must be tuned appropriately for each new optimization problem we want to solve, and in some cases the parameters must be varied as the algorithm is updated. In this paper, we combine a feedback element as an algorithm tuner with an original algorithm; the resulting algorithm is applied to the optimization problem in question, and we use genetic programming (GP) to generate tuning rules to automatically tune the algorithm, according to its current state, as the algorithm is updated. More specifically, we adopt PSO as a heuristic optimization method, and we augment PSO by using GP as a meta‐algorithm to solve the learning problem of automatically generating tuning rules for the parameters in the PSO algorithm. This leads to the proposed method for generating parameter tuning rules to solve optimization problems more efficiently. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于免疫遗传算法的电压优化调整与治理研究

阐述了电压优化调整与治理的必要性,建立了电力系统电压优化调整与治理的模型,提出了一种针对高压电网特点的电压优化调整与治理方法。通过调整机端电压、变压器分接头和补偿电容器组,或者新增无功补偿节点,来提高电网电压合格率,并且实现新增无功补偿容量最小的目标。其中详述了电网电压优化调整与治理的手段及其计算过程,并且编写程序,做电压优化调整界面,通过免疫遗传算法求解组合优化问题。另外,将免疫遗传算法应用到信阳东部地区电网,进行电压优化调整与治理,并分析优化结果。结果表明免疫遗传算法具有良好的收敛性和鲁棒性,能很好地提高电压合格率,并且使新增的补偿容量最小。